申请/专利权人：中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司基础设施检测研究所;北京铁科英迈技术有限公司

申请日：2020-12-22

公开（公告）日：2024-04-16

公开（公告）号：CN112668623B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/82;G06N3/0475;G06N3/045;G06N3/094;B61K9/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.05.04#实质审查的生效;2021.04.16#公开

摘要：本发明公开了一种基于生成对抗网络的双耳销钉缺陷样本的生成方法及装置，其中该方法包括：采集双耳销钉样本图像，得到双耳销钉样本图像数据集；双耳销钉样本图像数据集包括正常样本图像及缺陷样本图像数据集；使用双耳销钉样本图像数据集训练CycleGAN模型，得到成对样本图像数据集；成对样本图像包括：正常样本图像及对应生成的缺陷样本图像；使用成对样本图像数据集，训练Pix2Pix网络模型，得到基于生成对抗网络的双耳销钉缺陷样本。本发明结合多种生成对抗网络模型特点，能通过处理正常样本有效地生成对应效果逼真的缺陷样本图像，为后续训练缺陷检测模型提供平衡且特征丰富的数据集，进而使得模型取得良好的训练效果。

主权项：1.一种基于生成对抗网络的双耳销钉缺陷样本的生成方法，其特征在于，包括：采集双耳销钉样本图像，得到双耳销钉样本图像数据集；所述双耳销钉样本图像数据集包括正常样本图像数据集及缺陷样本图像数据集；使用双耳销钉样本图像数据集训练循环一致性生成对抗网络CycleGAN模型，得到成对样本图像数据集；所述成对样本图像包括：正常样本图像及根据正常样本图像生成的缺陷样本图像；使用所述成对样本图像数据集，训练Pix2Pix网络模型，得到基于生成对抗网络的双耳销钉缺陷样本；使用双耳销钉样本图像数据集训练循环一致性生成对抗网络CycleGAN模型，得到成对样本图像数据集，包括：使用双耳销钉样本图像数据集训练CycleGAN模型中的两个判别器，使第一判别器能判别输入的样本图像是否为正常样本图像，第二判别器能判别输入的样本图像是否为缺陷样本图像；将正常样本图像输入CycleGAN模型中的第一生成器，得到第一生成器生成的缺陷样本图像，将第一生成器生成的缺陷样本图像与采集的缺陷样本图像分别输入至所述第二判别器，得到CycleGAN模型中的最小化第一损失函数及第一损失函数最小化时对应的生成的缺陷样本图像；将损失函数最小化时对应的生成的缺陷样本图像输入CycleGAN模型中的第二生成器，得到CycleGAN模型中的最小化第二损失函数；根据最小化第一损失函数和最小化第二损失函数，得到CycleGAN网络的总损失函数；将CycleGAN网络的总损失函数最小化时对应的第一生成器作为CycleGAN网络最优生成器，根据CycleGAN网络最优生成器，得到CycleGAN网络最优生成器对应的正常样本图像及根据正常样本图像生成的缺陷样本图像。

全文数据：

权利要求：

百度查询： 中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司基础设施检测研究所;北京铁科英迈技术有限公司 基于生成对抗网络的双耳销钉缺陷样本的生成方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD